交易中的机器学习：理论、模型、实践和算法交易 - 页 2568 1...256125622563256425652566256725682569257025712572257325742575...3399 新评论 Mihail Marchukajtes 2022.02.04 08:44 #25671 如果你第一次不明白，请再读一遍我上面的帖子，但要慢慢读 :-) Aleksey Nikolayev 2022.02.04 11:22 #25672 mytarmailS#: 判断为什么？ 如果作者说了8次不可能建立基于神经网络的人工智能，那就意味着------"似乎归结为网络架构的另一种复杂化" 有趣的是... 通过他两个网站上的链接--那里也有MO的想法的实施。他的观点是作为一个大的上下文集来实现的，每个上下文集都是一个独立的网状结构（例如自动编码器）。 mytarmailS 2022.02.04 11:31 #25673 Aleksey Nikolayev#: 我滚动浏览了他两个网站上的链接--在MO中也有这个想法的实施。他的想法是作为一个大的上下文集来实现的，每个上下文集都是一个独立的网格（比如说自动编码器）。 啊，你是说只实现了上下文吗？ 我想的是他的人工智能的整体，对不起，没有注意到。 mytarmailS 2022.02.04 11:46 #25674 以下是 阿列克谢的演讲 ，他谈到了他的人工智能模型（没有古人、哲学等）。 他向AGI社区 发言，这些人是在算法方面设定趋势的人，对任何网络、强化学习等都很熟悉。 对我来说，看到、理解和认识到我们对市场的做法是多么的原始，非常有趣。 Универсальный язык интеллекта. Редозубов на вебинаре AGI Russia 2020.11.10www.youtube.com Рассказ Алексея Редозубова о роли "языка" в контекстно-смысловой модели и решении задач NLP с ее помощью.Вебинар состоялся в четверг, 22.10.2020.Дан экскурс ... Aleksey Vyazmikin 2022.02.04 16:53 #25675 人工智能是机器建立NS来解决出现的复合问题的能力 :) 最初，你需要一个描述目标达成前的障碍的算法，人工智能必须将其分解并建立网络来解决这些问题--网络的配置由自己决定。 Aleksey Nikolayev 2022.02.04 17:14 #25676 在我看来，最重要的是对现代金融数学和其中使用的MOI的理解。这是必要的，如果只是因为它们被所有大的价格塑造者所使用。 在YouTube上有关于这个主题的讲座。 День российской науки: Л.А. Меркин "Что такое финансовая математика и почему она важна" 2021.02.08www.youtube.com Лекция доктора математики Л.А. Меркина, приуроченная к Дню российской науки в Университете "Сириус" mytarmailS 2022.02.04 18:01 #25677 Aleksey Nikolayev#: 在我看来，最重要的是对现代金融数学和其中使用的MOI的理解。这是必要的，如果只是因为它们被所有大的价格塑造者所使用。在YouTube上有关于这个主题的讲座。 金融数学和MO有什么好理解的，你需要知道市场的机制和它的参与者 在大多数情况下，群众必然会输，因为它的反面角色是一个 "主要角色"。 1）你需要看到零售买家和卖家的不平衡，例如，如果有许多卖家，那么 "大玩家"（买家）就在交易的另一边。 比如说现在在犹太人身上，很多卖家 2）也有逆向交易的时刻--这就是做市商 人们总是看到，价格的走势与人群相反（反相关）。 当人群在购买并相信增长时，价格会下降，反之亦然...... 这就是整个市场... p.s. 和视频是肯定的 Aleksey Vyazmikin 2022.02.05 00:02 #25678 Aleksey Nikolayev#: 因此，对于每个预测器，都采取了0.5<X<7.3这样的规则。 是的，让我们这么说吧。 Aleksey Nikolayev#: 然后我们建立所有可能组合的数量 不，现在我们把不等式规则的执行作为一个，看一下规则被样本触发时目标（比方说二元分类）的平均值，如果最初的平均值，比方说样本中的0.45，在只由反应评估后变成了0.51，那么我们认为预测器（其图/量）的预测能力为0.06，也就是6%。 我们收集了很多这样的预测器，这些预测器已经是独立的二进制预测器，并使用它们来建立一个模型。 将所有这样的量子与所有（无论有无预测能力）的量子结合起来，确实不是一个快速的工作，但如果用一个基础预测器来做，在此基础上确定一个有预测能力的量子，可能不是不合理的。 Aleksey Nikolayev#: 一般来说，对于小的N（取决于样本大小），它可能是有效的，但对于大的N，它将是过度训练。 但即使在理论上，这种过度训练也会减少，因为可能的组合比全样本中的少。 我们仍然要理解为什么这种量子规律性可能工作了7年，然后突然停止工作...... mytarmailS 2022.02.05 06:43 #25679 谁知道是否有一个趋势决定论的测试... 你需要知道这是否真的是一种趋势或随机的波动... 也许是同一个赫斯特？ 对不同类型的趋势进行开箱测试R best!!!! Aleksey Nikolayev 2022.02.05 08:32 #25680 Aleksey Vyazmikin#: 不，现在把不等式规则的执行作为一个，看一下规则被样本触发时目标的平均值（比方说二元分类），如果原来的平均值是，比方说，样本中的0.45，而单独按反应评估后是0.51，那么考虑预测器（其情节/量）的预测能力是0.06，即6%。 具体如何编码并无太大区别（就组合学而言）。重点是一样的--每条线都有作为特征的什么规则被执行，什么规则不被执行。它总是2^N的变体，其中N是规则的数量。之后，这些规则中的每一条都将被纳入最终的2^(2^N)个变体的集合。很明显，不可能只是正式地尝试这么多的变体。这就是为什么以合理的方式安排它们是有意义的。例如，首先我们采取所有只由一条规则描述的变体，然后是所有只由两条规则描述的变体，以此类推。或者类似这样的事情。 Aleksey Vyazmikin#: 尚待理解的是，为什么这种量子规律性可以工作7年，然后突然停止...... 例如，许多其他玩家迟早会发现他们。 1...256125622563256425652566256725682569257025712572257325742575...3399 新评论 您错过了交易机会： 免费交易应用程序 8,000+信号可供复制 探索金融市场的经济新闻 注册 登录 拉丁字符（不带空格） 密码将被发送至该邮箱 发生错误 使用 Google 登录 您同意网站政策和使用条款 如果您没有帐号，请注册 可以使用cookies登录MQL5.com网站。 请在您的浏览器中启用必要的设置，否则您将无法登录。 忘记您的登录名/密码？ 使用 Google 登录
判断为什么？
通过他两个网站上的链接--那里也有MO的想法的实施。他的观点是作为一个大的上下文集来实现的，每个上下文集都是一个独立的网状结构（例如自动编码器）。
我滚动浏览了他两个网站上的链接--在MO中也有这个想法的实施。他的想法是作为一个大的上下文集来实现的，每个上下文集都是一个独立的网格（比如说自动编码器）。
啊，你是说只实现了上下文吗？ 我想的是他的人工智能的整体，对不起，没有注意到。
以下是 阿列克谢的演讲 ，他谈到了他的人工智能模型（没有古人、哲学等）。
他向AGI社区 发言，这些人是在算法方面设定趋势的人，对任何网络、强化学习等都很熟悉。
对我来说，看到、理解和认识到我们对市场的做法是多么的原始，非常有趣。
人工智能是机器建立NS来解决出现的复合问题的能力 :)
最初，你需要一个描述目标达成前的障碍的算法，人工智能必须将其分解并建立网络来解决这些问题--网络的配置由自己决定。
在我看来，最重要的是对现代金融数学和其中使用的MOI的理解。这是必要的，如果只是因为它们被所有大的价格塑造者所使用。
在YouTube上有关于这个主题的讲座。
在我看来，最重要的是对现代金融数学和其中使用的MOI的理解。这是必要的，如果只是因为它们被所有大的价格塑造者所使用。
在YouTube上有关于这个主题的讲座。
金融数学和MO有什么好理解的，你需要知道市场的机制和它的参与者
在大多数情况下，群众必然会输，因为它的反面角色是一个 "主要角色"。
1）你需要看到零售买家和卖家的不平衡，例如，如果有许多卖家，那么 "大玩家"（买家）就在交易的另一边。
比如说现在在犹太人身上，很多卖家
2）也有逆向交易的时刻--这就是做市商
人们总是看到，价格的走势与人群相反（反相关）。
当人群在购买并相信增长时，价格会下降，反之亦然......
这就是整个市场...
p.s. 和视频是肯定的
因此，对于每个预测器，都采取了0.5<X<7.3这样的规则。
是的，让我们这么说吧。
然后我们建立所有可能组合的数量
不，现在我们把不等式规则的执行作为一个，看一下规则被样本触发时目标（比方说二元分类）的平均值，如果最初的平均值，比方说样本中的0.45，在只由反应评估后变成了0.51，那么我们认为预测器（其图/量）的预测能力为0.06，也就是6%。
我们收集了很多这样的预测器，这些预测器已经是独立的二进制预测器，并使用它们来建立一个模型。
将所有这样的量子与所有（无论有无预测能力）的量子结合起来，确实不是一个快速的工作，但如果用一个基础预测器来做，在此基础上确定一个有预测能力的量子，可能不是不合理的。
一般来说，对于小的N（取决于样本大小），它可能是有效的，但对于大的N，它将是过度训练。
但即使在理论上，这种过度训练也会减少，因为可能的组合比全样本中的少。
我们仍然要理解为什么这种量子规律性可能工作了7年，然后突然停止工作......
对不同类型的趋势进行开箱测试
R best!!!!
不，现在把不等式规则的执行作为一个，看一下规则被样本触发时目标的平均值（比方说二元分类），如果原来的平均值是，比方说，样本中的0.45，而单独按反应评估后是0.51，那么考虑预测器（其情节/量）的预测能力是0.06，即6%。
具体如何编码并无太大区别（就组合学而言）。重点是一样的--每条线都有作为特征的什么规则被执行，什么规则不被执行。它总是2^N的变体，其中N是规则的数量。之后，这些规则中的每一条都将被纳入最终的2^(2^N)个变体的集合。很明显，不可能只是正式地尝试这么多的变体。这就是为什么以合理的方式安排它们是有意义的。例如，首先我们采取所有只由一条规则描述的变体，然后是所有只由两条规则描述的变体，以此类推。或者类似这样的事情。
尚待理解的是，为什么这种量子规律性可以工作7年，然后突然停止......
例如，许多其他玩家迟早会发现他们。